Sous l'apparence brillante, les « quatre grands dilemmes » d'OpenAI

Benedict Evans indique que l’absence de barrières technologiques, d’attachement des utilisateurs, d’effet de levier dans la stratégie de plateforme, ainsi que le fait que la stratégie produit soit dictée par la recherche en laboratoire, menacent la compétitivité à long terme d’OpenAI.

Article écrit par : Zhao Ying

Source : Wallstreet Jingwen

L’ancien associé de a16z et analyste technologique renommé Benedict Evans a récemment publié un article d’analyse approfondie, pointant directement quatre dilemmes stratégiques fondamentaux auxquels OpenAI est confronté derrière sa prospérité apparente. Selon lui, malgré une base d’utilisateurs massive et des capitaux abondants, le manque de barrières technologiques, la faible fidélité des utilisateurs, la rapidité de la concurrence, ainsi que la dépendance de la stratégie produit à la direction de la recherche en laboratoire, mettent en danger sa compétitivité à long terme.

Evans souligne que le modèle économique actuel d’OpenAI ne présente pas d’avantage concurrentiel clair. La société ne possède pas de technologie unique ni d’effet de réseau, et seulement 5 % des 900 millions d’utilisateurs actifs hebdomadaires sont payants. De plus, 80 % des utilisateurs envoient moins de 1000 messages en 2025 — ce qui équivaut à moins de trois prompts par jour en moyenne. Ce mode d’utilisation « large mais peu profond » indique que ChatGPT n’est pas encore devenu une habitude quotidienne pour ses utilisateurs.

Par ailleurs, des géants technologiques comme Google et Meta ont déjà rattrapé OpenAI sur le plan technologique et exploitent leur avantage de distribution pour conquérir des parts de marché. Evans pense que la véritable valeur dans le domaine de l’IA réside dans de nouvelles expériences et applications encore non inventées, que OpenAI ne peut pas créer seul. Cela oblige la société à opérer sur plusieurs fronts, en déployant une infrastructure et des applications de manière exhaustive.

L’analyse d’Evans révèle une contradiction centrale : OpenAI tente de construire une barrière concurrentielle via d’importants investissements en capital et une stratégie de plateforme intégrée, mais en l’absence d’effet de réseau et de mécanismes de verrouillage des utilisateurs, cette stratégie reste incertaine. Pour les investisseurs, cela signifie qu’il faut réévaluer la valeur à long terme d’OpenAI et sa position réelle dans le paysage concurrentiel de l’IA.

Disparition de l’avantage technologique : homogénéisation des modèles

Evans indique que, actuellement, une dizaine d’institutions peuvent lancer des modèles de pointe compétitifs, avec des performances globalement équivalentes. Chaque semaine, ces entreprises se surpassent mutuellement, mais aucune ne parvient à établir une avance technologique insurmontable. Cela contraste fortement avec des plateformes comme Windows, Google Search ou Instagram — qui ont réussi à renforcer leur part de marché grâce à l’effet de réseau, rendant difficile pour les concurrents de briser leur monopole, même avec des investissements massifs.

Cette égalisation technologique pourrait changer suite à certaines avancées, notamment la capacité d’apprentissage continu, mais Evans pense qu’OpenAI n’a pas encore de plan concret à ce sujet. Un autre facteur différenciateur potentiel est l’effet de la taille des données propriétaires, incluant les données utilisateur ou sectorielles, mais les plateformes existantes disposent également d’avantages dans ce domaine.

Dans ce contexte de convergence des performances des modèles, la compétition se déplace vers la marque et les canaux de distribution. La croissance rapide de parts de marché de Gemini et Meta AI en témoigne — pour le grand public, ces produits semblent similaires, tandis que Google et Meta disposent d’une capacité de distribution puissante. En revanche, le modèle Claude d’Anthropic, bien que souvent en tête dans les benchmarks, reste pratiquement inconnu du grand public en raison de l’absence de stratégie orientée consommateur et de produit.

Evans compare ChatGPT à Netscape, qui détenait une position dominante sur le marché des navigateurs dans ses débuts, avant d’être battu par Microsoft grâce à ses avantages de distribution. Il pense que les chatbots et les navigateurs font face au même problème de différenciation : ce ne sont fondamentalement qu’un champ de texte d’entrée et un de sortie, avec peu d’espace pour l’innovation produit.

Fidélité fragile : la taille ne suffit pas à compenser le manque d’attachement

Malgré la domination évidente d’OpenAI avec ses 800 à 900 millions d’utilisateurs actifs hebdomadaires, Evans souligne que ces chiffres masquent un problème sérieux d’engagement. La majorité des utilisateurs, qui savent déjà comment utiliser ChatGPT, ne l’ont pas intégré dans leur routine quotidienne.

Les données montrent que seulement 5 % des utilisateurs de ChatGPT paient, et même chez les adolescents américains, ceux qui l’utilisent plusieurs fois par semaine ou moins sont bien plus nombreux que ceux qui l’utilisent plusieurs fois par jour. Lors du « résumé annuel 2025 », OpenAI a révélé que 80 % des utilisateurs envoient moins de 1000 messages en 2025, ce qui, en valeur nominale, correspond à moins de trois prompts par jour, avec une fréquence réelle encore plus faible.

Ce mode d’utilisation superficiel signifie que la majorité des utilisateurs ne perçoivent pas de différences significatives entre modèles en termes de personnalité ou de focalisation, ni ne tirent parti de fonctionnalités comme la « mémoire » conçue pour renforcer la fidélité. Evans insiste sur le fait que la mémoire ne crée que de la fidélité, pas d’effet de réseau. Bien que la base d’utilisateurs plus large puisse constituer un avantage, lorsque 80 % des utilisateurs ne l’utilisent que quelques fois par semaine, cet avantage est fortement remis en question.

OpenAI lui-même admet l’existence de problèmes, évoquant un « écart de capacité » entre les capacités du modèle et l’utilisation réelle par les utilisateurs. Evans pense que cela masque une réalité : l’absence d’adéquation produit-marché claire. Si, dans la vie quotidienne, les utilisateurs ne voient pas ce qu’ils peuvent faire avec, cela signifie que l’outil n’a pas encore changé leur vie.

L’entreprise a lancé des projets publicitaires, en partie pour couvrir les coûts de service des plus de 90 % d’utilisateurs non payants, mais surtout pour leur proposer les modèles les plus récents, puissants et coûteux, dans l’espoir d’accroître leur engagement. Evans remet en question cette stratégie : si, aujourd’hui ou cette semaine, les utilisateurs ne savent pas quoi faire avec ChatGPT, leur fournir un meilleur modèle changera-t-il cette situation ?

Stratégie de plateforme en doute : absence de véritable effet de levier

L’année dernière, le PDG d’OpenAI, Sam Altman, a tenté d’unifier les initiatives de la société en une stratégie cohérente, en présentant un graphique et en citant la célèbre phrase de Bill Gates : « La plateforme est conçue pour créer plus de valeur pour ses partenaires que pour elle-même. » Par ailleurs, le directeur financier a publié un autre graphique illustrant « l’effet de levier ».

Evans considère que l’effet de levier est une stratégie ingénieuse et cohérente : les investissements en capital créent un cercle vertueux, servant de base pour construire une plateforme intégrée. En partant des composants comme les puces et l’infrastructure, chaque couche technologique construite en haut renforce l’utilisation de vos outils par d’autres, créant ainsi un effet de réseau et un écosystème.

Cependant, Evans affirme que cette analogie est erronée : OpenAI ne possède pas la dynamique de plateforme et d’écosystème que Microsoft ou Apple ont autrefois développée. Le graphique de l’effet de levier ne montre en réalité aucun véritable effet de levier.

Concernant les investissements en capital, les quatre grands fournisseurs de cloud ont investi environ 4000 milliards de dollars dans leur infrastructure l’année dernière, annonçant au moins 6500 milliards de dollars pour cette année. OpenAI, il y a quelques mois, a affirmé qu’elle disposerait d’un engagement de 1,4 trillion de dollars et de 30 gigawatts de capacité de calcul (sans calendrier précis), alors qu’à la fin 2025, sa consommation réelle n’était que de 1,9 gigawatts. En l’absence de flux de trésorerie importants issus de ses activités, la société s’appuie sur le financement et l’utilisation de bilans d’autres acteurs (notamment via des « revenus circulaires ») pour atteindre ses objectifs.

Evans pense que ces investissements massifs ne donnent qu’un siège, pas un avantage concurrentiel. Il compare le coût de l’infrastructure IA à celui de la fabrication d’avions ou de semi-conducteurs : sans effet de réseau, chaque génération de produits devient plus difficile et coûteuse, et seules quelques entreprises peuvent maintenir un investissement à la pointe. TSMC, par exemple, détient un quasi-monopole sur la fabrication de puces de pointe, mais cela ne lui confère pas de levier ou de capacité à tirer parti de la partie supérieure de la chaîne technologique.

Evans souligne que les développeurs doivent créer des applications pour Windows parce qu’il possède presque tous les utilisateurs, et que les utilisateurs doivent acheter un PC Windows parce qu’il possède presque tous les développeurs — c’est l’effet de réseau. Mais si vous inventez une nouvelle application ou un nouveau produit basé sur l’IA générative, il suffit d’appeler une API pour faire fonctionner le modèle dans le cloud, et les utilisateurs ne savent ou ne se soucient pas de quel modèle vous utilisez.

Manque de contrôle sur le produit : la stratégie est dictée par le laboratoire

Evans cite en ouverture une déclaration de Fidji Simo, responsable produit d’OpenAI, en 2026 : « Jakub et Mark définissent la direction de la recherche à long terme. Après plusieurs mois de travail, des résultats étonnants apparaissent, puis les chercheurs me contactent en disant : “J’ai quelque chose de très cool. Comment comptez-vous l’utiliser dans la conversation ? Comment l’intégrer dans nos produits d’entreprise ?” »

Ce propos contraste fortement avec la célèbre phrase de Steve Jobs en 1997 : « Vous devez commencer par l’expérience client, puis remonter la chaîne technologique. Vous ne pouvez pas commencer par la technologie et essayer de deviner où la vendre. »

Evans pense qu’en tant que responsable produit dans un laboratoire d’IA, vous ne pouvez pas contrôler votre feuille de route, et votre capacité à définir une stratégie produit est très limitée. Vous ouvrez votre boîte mail le matin, et vous découvrez que le laboratoire a fait une avancée, et votre tâche consiste à en faire un bouton. La stratégie se joue ailleurs, mais où ?

Ce problème met en lumière le défi fondamental d’OpenAI : contrairement à Google dans les années 2000 ou Apple dans les années 2010, ses employés brillants et ambitieux ne disposent pas d’un produit réellement efficace et difficile à reproduire par d’autres. Evans pense que l’une des interprétations des activités d’OpenAI au cours des 12 derniers mois est que Sam Altman en a bien conscience, et qu’il tente, avant que la musique ne s’arrête, de transformer la valorisation de l’entreprise en une position stratégique plus durable.

Pendant la majeure partie de l’année dernière, la réponse d’OpenAI semblait être « tout faire en même temps, agir immédiatement ». Plateformes d’applications, navigateurs, vidéos sociales, collaborations avec Jony Ive, recherche médicale, publicité, etc. Evans pense que certains de ces efforts ressemblent à des « attaques globales » ou sont simplement le résultat d’un recrutement massif de personnes dynamiques. Parfois, cela donne aussi l’impression que l’on copie la forme de plateformes à succès antérieures, sans en comprendre pleinement la finalité ou la dynamique.

Evans utilise fréquemment des termes comme plateforme, écosystème, levier et effet de réseau, mais admet que ces termes sont largement employés dans la tech, avec des significations souvent floues. Il cite Roger Lovatt, professeur d’histoire médiévale à l’université, qui disait : « Le pouvoir, c’est la capacité de faire faire aux gens ce qu’ils ne veulent pas faire. » C’est là le vrai enjeu : OpenAI a-t-il la capacité d’inciter consommateurs, développeurs et entreprises à utiliser davantage ses systèmes, indépendamment de ce que ces systèmes font réellement ? Microsoft, Apple et Facebook ont déjà possédé cette capacité, tout comme Amazon.

Une bonne façon d’interpréter la phrase de Bill Gates est que la plateforme réalise réellement la capacité à exploiter la créativité de toute l’industrie technologique, permettant de ne pas tout inventer soi-même, mais de construire à grande échelle davantage de choses, tout en restant sous votre contrôle. Les modèles de base sont effectivement des multiplicateurs, et beaucoup de nouvelles choses seront construites avec eux. Mais avez-vous une raison de faire en sorte que tout le monde doive utiliser votre produit, même si des concurrents ont déjà construit des choses similaires ? Avez-vous une raison de toujours garder votre produit supérieur, peu importe combien d’argent ou d’efforts les autres investissent ?

Evans conclut que, sans ces avantages, la seule chose qui reste est la capacité d’exécution quotidienne. Bien qu’exécuter mieux que les autres soit évidemment souhaitable, certains entreprises y parviennent sur le long terme, et se persuadent même de l’avoir institutionnalisé, mais ce n’est pas une stratégie.